Мы исследовательское подразделение, которое отвечает в Сбере за «человека»: поведение, психология, тренды, изменения, особенности восприятия и мышления. Наша ключевая задача: исследовать и рассказывать, что происходит и будет происходить с человеком, как эти изменения переложить в продукт, коммуникации, HR-процессы, чтобы они стали лучше.
Работа в Лаборатории – это возможность прикоснуться практически к любому бизнес-подразделению экосистемы Сбера, к большим данным Сбера, к клиентской базе более 100 млн человек.
Мы ищем ML Developer'а — человека, который будет реализовывать ML-проекты Лаборатории: обучение и дообучение моделей, построение data-пайплайнов, вывод решений в production. В отличие от LLM-генералистов команды, которые быстро вайбкодят прототипы, вы будете отвечать за то, чтобы модели работали надёжно, воспроизводимо и масштабируемо, а также дорабатывать прототипы до продакшен решений.
Вы рамках Лаборатории вы будете в команде “больших данных и гиперперсонализации”, всего около 25 человек, из которых DS-команда – порядка 10 человек, остальные – исследователи, психологи и социологи.
Лаборатория работает на стыке поведенческой науки, данных и AI. Мы строим модели, которые описывают и предсказывают поведение человека — от сегментации клиентов до цифровых двойников. ML Developer — это тот, кто превращает исследовательские гипотезы в работающие модели и надёжную инфраструктуру вокруг них.
Наш технологический стек:
- ML/DL: HuggingFace Transformers, SentenceTransformers, CatBoost, XGBoost
- LLM & Vector Search: локальные модели (Llama 3, Qwen), API (OpenAI), FAISS
- Data & Infra: ClickHouse, Docker, FastAPI, Postgres, RabbitMQ, MongoDB
- MLOps & Orchestration: MLflow, W&B, Prefect, Dagster, Ray, Prometheus, OpenTelemetry
- Инструменты: Hydra, Poetry.
Первый этап отбора на эту вакансию – общение с AI-рекрутером. После отклика ждите сообщение от него в мессенджере, диалог займёт примерно 10 минут. Задача AI-рекрутера — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. AI-рекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным для всех!
Чем предстоит заниматься:
- классический ML/NLP: разработка и обучение моделей для анализа текстов, поведенческих данных, психометрических профилей.
- кластеризация, классификация, NER, sentiment — всё, что требуется для исследований на данных.
- LLM-интеграция: fine-tuning и дообучение языковых моделей под задачи Лаборатории, построение embedding-пайплайнов, проектирование RAG-архитектур с графовыми и векторными БД.
- работа с промптами на уровне системной архитектуры, а не ad hoc экспериментов
- Production & MLOps: вывод моделей из ноутбуков в production — контейнеризация, CI/CD, мониторинг, версионирование моделей и данных.
- построение воспроизводимых пайплайнов обработки данных.
Наши ожидания от кандидата:
ML & NLP:
- практический опыт обучения и дообучения моделей (классический ML + deep learning)
- уверенная работа с NLP: text classification, NER, embeddings, topic modeling, умение работать с ASR, Text-to-Speech задачами
- опыт fine-tuning трансформерных моделей (HuggingFace Transformers, PEFT, LoRA, QLoRA)
- понимание метрик качества моделей и умение проектировать эксперименты.
LLM & Retrieval-архитектуры:
- опыт работы с LLM API (OpenAI, Anthropic и др.) на уровне production-решений
- построение RAG-пайплайнов: chunking-стратегии, embedding-модели, векторные и графовые БД
- понимание различий между векторным поиском и BM25
- работа с LangChain / LangGraph или аналогами.
Engineering & MLOps:
- Python как основной язык, уверенное владение
- Docker, CI/CD, базовый DevOps
- опыт работы с ML-оркестраторами (MLflow, W&B, Prefect, Dagster — хотя бы один)
- навыки разработки API (FastAPI / аналоги)
- работа с SQL-базами (ClickHouse, Postgres) и очередями (RabbitMQ и т.п.).
Софты и майндсет:
- техническое образование (ML, CS, математика, инженерия)
- умение переводить абстрактные исследовательские гипотезы в формализованные ML-задачи
- способность объяснять технические решения нетехнической аудитории (исследователям, бизнесу)
- интерес к поведенческой науке, психологии — или хотя бы готовность погружаться.
Будет плюсом:
- опыт работы с распределёнными вычислениями (Ray, DeepSpeed)
- знакомство с Prometheus, OpenTelemetry, observability-стеком
- опыт работы с графовыми базами данных (Neo4j и т.п.)
- контроль стоимости и latency AI-вызовов
- публикации, pet-проекты, вклад в open-source
- опыт использования GigaChat, Kandinsky и аналогов в продуктах, навыки создания и использования AI-агентов.
Мы предлагаем:
- комфортный современный офис г. Москва, рядом с метро Кутузовская
- гибридный формат работы
- ежегодный пересмотр зарплаты и годовая премия
- корпоративный спортзал и зоны отдыха
- более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
- расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа
- гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ
- подписка Прайм с возможностью совместного использования на трёх близких
- вознаграждение за рекомендацию друзей в команду Сбера.
